Python数据分析、挖掘常用工具[亲测有效]

Python数据分析、挖掘常用工具[亲测有效]Python语言简要概括一下Python语言在数据分析、挖掘场景中常用特性:1.列表,元组2.字典3.集合4.函数式编程、map、filterP

欢迎大家来到IT世界,在知识的湖畔探索吧!

文章最后有免费的Python资料,获取方式,关注头条号,私信回复资料获取下载链接。资料目录在文章底部,欢迎评论转发收藏下载。

Python语言

简要概括一下Python语言在数据分析、挖掘场景中常用特性:

1.列表(可以被修改),元组(不可以被修改)

2.字典(<k,v>结构)

3.集合(同数学概念上的集合)

4.函数式编程(主要由lambda()、map()、reduce()、filter()构成)

Python数据分析、挖掘常用工具[亲测有效]

Python数据分析常用库

Python数据分析、挖掘常用工具[亲测有效]

Python数据挖掘相关扩展库

NumPy

提供真正的数组,相比Python内置列表来说速度更快,NumPy也是Scipy、Matplotlib、Pandas等库的依赖库,内置函数处理数据速度是C语言级别的,因此使用中应尽量使用内置函数。

示例:NumPy基本操作

import numpy as np # 一般以np为别名
a = np.array([2, 0, 1, 5])
print(a)
print(a[:3])
print(a.min())
a.sort() # a被覆盖
print(a)
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b*b)

欢迎大家来到IT世界,在知识的湖畔探索吧!

输出:

欢迎大家来到IT世界,在知识的湖畔探索吧![2 0 1 5]
[2 0 1]
0
[0 1 2 5]
[[ 1 4 9]
 [16 25 36]]

Scipy

NumPy和Scipy让Python有了MATLAB味道。Scipy依赖于NumPy,NumPy提供了多维数组功能,但只是一般的数组并不是矩阵。比如两个数组相乘时,只是对应元素相乘。Scipy提供了真正的矩阵,以及大量基于矩阵运算的对象与函数。

Scipy包含功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理、图像处理、常微分方程求解等常用计算。

示例:Scipy求解非线性方程组和数值积分

# 求解方程组
from scipy.optimize import fsolve
def f(x):
 x1 = x[0]
 x2 = x[1]
 return [2 * x1 - x2 ** 2 - 1, x1 ** 2 - x2 - 2]
result = fsolve(f, [1, 1])
print(result)
# 积分
from scipy import integrate
def g(x): # 定义被积函数
 return (1 - x ** 2) ** 0.5
pi_2, err = integrate.quad(g, -1, 1) # 输出积分结果和误差
print(pi_2 * 2, err)

输出:

欢迎大家来到IT世界,在知识的湖畔探索吧![ 1.91963957 1.68501606]
3.141592653589797 1.0002356720661965e-09
Python数据分析、挖掘常用工具[亲测有效]

Matplotlib

Python中著名的绘图库,主要用于二维绘图,也可以进行简单的三维绘图。

示例:Matplotlib绘图基本操作

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 10000) # 自变量x,10000为点的个数
y = np.sin(x) + 1 # 因变量y
z = np.cos(x ** 2) + 1 # 因变量z
plt.figure(figsize=(8, 4)) # 设置图像大小
# plt.rcParams['font.sans-serif'] = 'SimHei' # 标签若有中文,则需设置字体
# plt.rcParams['axes.unicode_minus'] = False # 保存图像时若负号显示不正常,则添加该句
# 两条曲线
plt.plot(x, y, label='$\sin (x+1)




, color=’red’, linewidth=2) # 设置标签,线条颜色,线条大小 plt.plot(x, z, ‘b–‘, label=’$\cos x^2+1

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://itzsg.com/18046.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

联系我们YX

mu99908888

在线咨询: 微信交谈

邮件:itzsgw@126.com

工作时间:时刻准备着!

关注微信